黄仁勋在华详解英伟达AI战略

【财新网】（记者 叶展旗）“摩尔定律的终结与深度学习的兴起，这两股力量促成了英伟达的崛起。”9月26日，芯片厂商英伟达联合创始人兼CEO黄仁勋在北京演讲称，英伟达将聚焦于底层计算，搭建人工智能平台，让其他人来参与建设。黄仁勋在会后向财新记者表示，在GPU之外，英伟达没有设计其他芯片的计划。

“机器学习海量的数据，从而创造突破，这需要很强的计算力，也就是GPU发挥作用的地方。”英伟达（NASDAQ：NVDA）是世界上最大的GPU（图形处理器）厂商。GPU广泛部署在个人电脑上，以支持运行游戏、视频等。随着人工智能的兴起，黄仁勋将公司定位为人工智能（AI）计算公司。

“GPU不会替代CPU，”黄仁勋在财新等媒体采访时表示，GPU和CPU相互配合是最好的架构。CPU擅长通用计算，而GPU在图像、视频等特定领域做得更好。人工智能也是GPU的杀手级应用，因为GPU在深度学习上的性能大大高过CPU，算法训练的时间可能从一两个月缩短到几天。

“摩尔定律”由英特尔创始人之一戈登·摩尔提出，指在价格不变的情况下，集成电路上可容纳的元器件数目将每隔18-24个月增加一倍，性能也将提升一倍。不过，现阶段这一翻倍速度已经延长至约30个月。

为应对人工智能所带来的市场需求，主流云服务商也纷纷采用英伟达的解决方案。黄仁勋在演讲中表示，阿里云、百度云和腾讯云都在将英伟达最新一代产品运用到其数据中心和云服务平台上。在海外，亚马逊、Facebook、谷歌、微软等也都已在各自的云平台上部署了英伟达的GPU。

数据中心业务也成为了英伟达增长最快的业务。最新财季营收同比增长175%，至4.16亿美元，仅次于传统的游戏业务，占总营收约18.6%。

据彭博测算，目前PC厂商华硕、联想、惠普依然是英伟达最大的客户，贡献近30%的营收。提供云服务的谷歌排在第五，贡献约2.48%。

三个增长点

黄仁勋将游戏、人工智能计算、自动驾驶视为公司主要的三大增长点。至于为何会选择自动驾驶这一应用场景，黄仁勋在会后向财新记者表示，自动驾驶难度很大，迄今也没有成熟的产品，但一旦成功，会对社会产生巨大的影响。比如催生新的出租车服务，减轻卡车司机的压力，加大运输距离并减少事故，甚至还会改变汽车的形态。

黄仁勋表示，英伟达也会研究自动驾驶算法，“不然，你就不知道处理器要处理什么，什么样的处理器更合适。”

同日，英伟达GPU风投也宣布，参与投资了自动驾驶公司景驰科技，该轮总融资额5200万美元。景驰科技由百度前自动驾驶汽车负责人韩旭和王劲创立，在开发中使用英伟达的硬件设备。此前，英伟达还投资了卡车自动驾驶公司图森科技。

至于英伟达的投资逻辑，黄仁勋表示，被投公司需具备三个条件。首先应和英伟达处在同一领域，比如人工智能；其次该公司可以受益于英伟达；最后，它本身是个好公司。

此外，黄仁勋对人工智能医疗也很感兴趣，包括新药研发、疾病早期检测、药物临床效果预测等。

截止2017年7月30日的财报显示，英伟达第二财季营收同比增长56.2%，至22.3亿美元；净利润同比增长121.6%，至5.88亿美元。两年前同期，英伟达的调整后营收增幅还不到5%，净利润同比下滑了37%。

游戏依然是英伟达规模最大的业务板块，第二财季收入同比增长52%，至11.86亿美元。

至于公司的风险，投资银行JP Morgan在8月的研报中表示，英伟达仍有超过一半的业务来自PC游戏市场，而任何宏观经济的不确定性都可能会影响到该市场的需求面。投资银行Needham的研报称，随着定制版芯片（如TPU）、FPGA等芯片的进步，英伟达可能会在数据中心业务上遭遇更强的竞争。

9月25日，英伟达股价下跌4.47%，收盘至每股171美元。这一价格已是两年前的8倍左右。

布局人工智能推断

“到2020年，城市中的实时摄像头将达到十亿级，光靠人力监控不现实，AI是唯一的解决方案。”黄仁勋称，所以英伟达的下一个挑战便是人工智能推断。

深度学习可分为两个阶段，首先导入大量数据，对模型进行训练，整个过程可能耗时数天或数周；之后是训练出的模型在实际场景中做出推断（inference）。摄像头对用户面部进行一次识别，就是现有模型做的一次推断。

随着算法愈加复杂，计算量越来越大，黄仁勋认为，手机、汽车、无人机，以及万亿级的物联网设备都需要具有更强的推断能力。

英伟达也宣布推出TensorRT 3 AI 推断软件，提高GPU在图像和语音识别、自然语言处理、视觉搜索等领域的推断能力。同时，阿里云、腾讯云、百度云、京东和科大讯飞也都将采用这一方案。

一家大型IT厂商的人工智能部门负责人向财新记者表示，目前在训练端，英伟达是毫无疑问的冠军。争夺的市场就在推断端，这部分的任务量较小，对功耗、延迟更敏感。当前这一市场领先者还是英特尔，因为厂商在云服务端已有大量英特尔的服务器，适配性也更好，但不同厂商已在尝试不同的新方案。

多方竞逐人工智能芯片

8月，百度与可编程芯片FPGA的生产商赛灵思（Xilinx）共同发布加速芯片XPU，将部署在百度云上。5月，谷歌公布了第二代TPU（张量处理器），这是谷歌特别设计用于机器学习的芯片，于去年推出第一代。依照谷歌提供的数据，TPU的计算效率是过往GPU的十倍以上。谷歌也将TPU部署在自家云平台上。

“这就像智能机和功能机比一样，”黄仁勋认为，TPU等产品只支持自家公司的计算框架，像功能机，而GPU的功能更多，应用场景更广，生态更丰富，像智能手机。“智能手机在成本、尺寸、功耗上挑战更大，但如果你能做好，就会是更出色的产品。”

CPU芯片巨头英特尔也在通过收购来与英伟达竞争。2015年6月，英特尔以167亿美元的价格收购FPGA生产商Altera。“FPGA的方案应用于AI时，除了灵活性强，还具有低延时和低功耗的特性。”英特尔可编程解决方案事业部亚太区副总裁庄秉瀚曾向财新记者表示。

黄仁勋认为，FPGA与GPU非常不同。FPGA灵活性很强，比如用在以太网卡、音频处理器等中，也可以设计成深度学习芯片，但计算性能就会很低，而且每次重新设计需要很大的工作量。■